神经网络的三大算法
三大算法是：反向传播算法、hopfield网络算法和自组织映射算法。
1反向传播算法是一种基于误差反向传播的机器学习算法，常用于多层前馈神经网络的训练。
2hopfield网络算法是一种用于计算的网络，它可以记住一系列的模式，并且能够对输入的模式进行比较和识别。
3自组织映射算法是一种自适应算法，它能够有效地映射和表示输入空间中的复杂模式，使用这种算法，可以捕获输入空间中的模式，并且可以在输出空间中重构输入模式。
延伸阅读
matlab神经网络算法是用来干什么的
神经网络算法是用来模拟人脑学习的算法，可以用在人工智能，用于机器自主学习
神经网络是一种算法吗
神经网络是一种算法。
人工神经网络，简称为神经网络（nns）或称作连接模型，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
神经网络算法可以解决的问题有哪些
能解决部分算法问题，例如分类、聚类，拟合等等。
但是对于np-hard问题，目前的神经网络最多只能给近似解，给不了最优解，不过就时间复杂度而言，除去训练时间，神经网络在面对np-hard问题上确实会比传统方法，比如dp，快很多。
神经网络算法提出时间
神经网络算法20 世纪 40 年代后提出的，它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。
神经网络算法原理
神经网络算法
逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生的想法或解决问题的办法。这种思维方式的根本之点在于以下两点：1.信息是通过神经元上的兴奋模式分布存储在网络上；2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。
中文名
神经网络算法
外文名
neuralnetwork algorithm
定义
根据逻辑规则进行推理的过程
第二种方式
人工神经网络就是模拟人思维
主流神经网络算法
1）多层感知机
多层感知机一般认为是一种很古老的人工神经网络。
2）卷积神经网络
卷积神经网络是这一波人工智能热潮中应用最广泛的人工神经网络，核心是卷积层。
3）残差收缩网络
残差收缩网络是卷积神经网络的改进，引入了软阈值化，更适合强噪数据。
神经网络算法谁发明的
神经网络算法被认为是由一个叫做 warren mcculloch 和 walter pitts 的两个人发明的。他们在 1943 年发表了一篇名为 “a logical calculus of the ideas immanent in nervous activity” 的文章，提出了一种新的方法来模拟神经网络的运作方式。这篇文章被认为是神经网络领域的开山之作。